動態社會網路之趨勢指標發展與應用之研究─以政府官員異動為例 - 政大學術集成

全文

(1)國立政治大學資訊科學系 Department of Computer Science National Chengchi University 碩士論文 Master’s Thesis. 立. 政治大. ‧ 國. 學 ‧. 動態社會網路之趨勢指標發展與應用─以政府官員異動為例. sit. y. Nat. Development and Application of Trend Metrics in Dynamic Social Networks. n. er. io. A Case Study in Government Officials Changes al v i n Ch engchi U 研究生：鄭遠祥指導教授：劉吉軒. 中華民國一百年七月 July 2011.

(2) 動態社會網路之趨勢指標發展與應用之研究─以政府官員異動為例 Development andApplication of Trend Metrics in Dynamic Social Networks ACase Study in Government Officials Changes 研究生：鄭遠祥. Student：Yuan-Hsiang Cheng. 指導教授：劉吉軒. Advisor：Jyi-Shane Liu. 國立政治大學資訊科學系碩士論文. 學 ‧. ‧ 國. 立. 政治大. sit. y. Nat. n. er. io. A Thesis submitteda to Department of Computer v Science i l C n National University U h eChengchi ngchi in partial fulfillment of the Requirements for the degree of Master in Computer Science. 中華民國一百年七月 July 2011.

(3) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v.

(4) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v.

(5) 誌謝人生度過了二十幾個年頭，最要感謝我的師父，也就是太極門掌門人洪道子博士。我從他的身上，學到了許多關於人生的智慧。求學的過程中，總是會碰到課業考試的難關或為人相處的難題，是我的師父教會我反省自己和勇敢突破。懂得相信和感恩，是支持我完成論文的最大力量。相信自己是最棒的並且感恩師父教會我的一切。碩士飛快的兩年光陰中，我的師父帶我去一趟澳洲，讓我見識到臺灣在國際上是如此微小的. 政治大存在，我更堅信有一天我要走出去讓臺灣發光發熱。師父還帶領我們走上街頭，向政立. ‧ 國. 學. 府爭取我們應該擁有的權益。這些日子中我接觸過許多的官員，而論文研究也正好和政. ‧. 府官員有關，一切像是早已注定般不可思議。. sit. y. Nat. 再來要感謝一直支持我的家人，我的爸爸鄭香煒、媽媽莊素美、我哥鄭遠貿，還有. er. io. 陪我度過許多美好時光的筱香。謝謝你們一路上給我的支持和照顧，給我的一切遠大於. n. a. v. i l C 我對你們的付出，也請你們在往後的日子裡多多照顧。n 也感謝實驗室的夥伴聲揚、一軒、. hengchi U. 岱珊、格致，因為有你們的激勵，使我的論文能夠如期完成。還想謝謝碩士兩年來認識的瀞云、建堡、彥嵩、姿旻、瑞鴻、圃鳴、紹暐、思采、計中的朋友們、戲劇社的學弟妹和太極門的師兄姐，謝謝出現在我生命中的每一個人，像筠芷、建南、君唐，因為有你們大家讓我們碩士生活顯得充實美滿。最後要感謝我的指導老師劉吉軒，在研究的路上時時用精彩的比喻引導我們，讓我在這條路走得更順遂，終能完成我的碩士學位。遠祥於2011 年秋.

(6) 動態社會網路之趨勢指標發展與應用─以政府官員異動為例. 摘要. 對於零碎且結構複雜的資料來源時，社會網路分析能夠給予整體性的觀察，還能檢視個體之間的關係。目前社會網路分析研究中，因為將網路退化至. 政治大簡單連結關係，所以會遺失許多珍貴的資訊。而網路規模和型態隨著研究立. ‧ 國. 學. 議題的不同，也會跟著增大或趨於多變，但動態網路分析能夠提供我們檢. ‧. 視每個時期，網路的變化或社群的形成或消失，甚至能知道節點間的互動. sit. y. Nat. 影響。本論文研究，以政府人事異動資料為主，並且加入了其他政府組織. er. io. 的相關資料，建構出政府組織的從屬網路，並在每個網路快照中，擷取出. n. a. v. l C 重要的官員異動；每一筆人事異動都是一個事件的發生，而特任或簡任官 ni. hengchi U. 員在本研究中視為重要事件，從這些重要事件的發生，我們能夠對每個時間的官員，使用 EventRank 的演算法做排名計算。最後能從時間的變化中，觀察出每個時期的佔有重要影響力的官員。. 關鍵詞：動態網路分析、社會網路分析、政府官員異動、政治權力關係、資料探勘、資料分析.

(7) Development and Application of Trend Metrics in Dynamic Social Networks A Case Study in Government Officials Changes. Abstract. To fragmented and complex structure data, social network analysis (SNA). 政治大. can give an overall observation, but also view the relationship between. 立. individuals. Recent research in SNA is the degradation of the network link to a. ‧ 國. 學. simple relationship but it will lose a lot of valuable information. The size and type of network with different research topics will follow the increase or rapidly. ‧. changing, dynamic network analysis can provide our view of changes in the. y. Nat. sit. network or community to form or disappear in every period, even know the. a. er. io. impact of the interaction between nodes. This thesis is based on the government. n. iv official changes and otherlrelated data to constructnmanager-subordinate network. Ch. U i e h n c g of the government organization and capture the important interactions between officials in every network snapshot. An official change is the occurrence of an event and special level official changes in this study as a critical event. From. these critical events, we can use the Event Rank algorithm to rank the officials. Finally, we can observe which official has more influence from the time changes. Keyword: Dynamic Network Analysis, Social Network Analysis, Government official’s changing, Political power relations, Data Mining, Data Analysis.

(8) 目錄第一章緒論 ........................................................................................................ 1. 研究背景 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 1. 1.2. 研究資料 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 2. 1.2.1. 總統府公報 . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 2. 1.2.2. 政府官員異動資料庫 . . . . . . . . . . . . . . . . . . . . . . .. 政治大其他資料 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 立. 3. 1.3. 研究動機與目的 . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 5. 1.4. 研究貢獻 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 5. 1.5. 論文架構 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. ‧. ‧ 國. 1.2.3. 學. 1.1. 2.3. y. sit. 8. er. 2.1.1. 基本定義 .l . . . . . . . . . . . . . . i .v . . . . . . . . . . . . .. 8. 2.1.2. 網路模型 . . . . . . n. g . .c.h. . . . . . . . . . . . . . . . . . .. 9. 2.1.3. 分析指標 . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 10. 2.1.4. 小結 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 12. 動態網路分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 13. 2.2.1. 基本概念與定義 . . . . . . . . . . . . . . . . . . . . . . . . .. 13. 2.2.2. 相關研究 . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 13. 排名演算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 17. 2.3.1. 17. n. 2.2. a. 6 8. 社會網路分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. io. 2.1. Nat. 第二章文獻探討 ................................................................................................. 4. Ch. i. e. Un. HITS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . i.

(9) 2.3.2. PageRank . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 18. 2.3.3. EventRank . . . . . . . . . . . . . . . . . . . . . . . . . . .. 18. 第三章動態網路模型建構與分析......................................................................... 21 21. 3.1.1. 資料前處理 . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 21. 3.1.2. 靜態網路快照 . . . . . . . . . . . . . . . . . . . . . . . . . .. 28. 3.1.3. 動態網路模型 . . . . . . . . . . . . . . . . . . . . . . . . . .. 31. 治政研究方法分析 . . . . . . . . . . . . . . . 大 . . . . . . . . . . . . . . . . 立 3.2.1. 34 35. EventRank . . . . . . . . . . . . . . . . . . . . . . . . . . .. 35. 系統架構 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 36. 3.3.1. 系統概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 37. 3.3.2. 動態網路節點模組 . . . . . . . . . . . . . . . . . . . . . . . .. 3.3.3. EventRank演算法模組 a. 3.3.4. 排名模組. ‧. y. Nat. io. sit. 3.3. 學. 3.2.2. 定義 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. n. er. 3.2. 動態網路模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. ‧ 國. 3.1. . . . . . . . .v . i l C n . . .h . .e. n. g . .c.h. i. .U. . . .. 38. . . . . . . . . . . . .. 41. . . . . . . . . . . . .. 42. 第四章實驗設計與分析 ...................................................................................... 44 4.1. 實驗資料 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 44. 4.2. 實驗設計 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 45. 4.3. 實驗結果與討論 . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 46. 4.3.1. 升遷範圍影響實驗數據 . . . . . . . . . . . . . . . . . . . . . .. 46. 4.3.2. 個人政治權力變化的觀察 . . . . . . . . . . . . . . . . . . . . .. 49. 從新聞媒體觀察政府官員影響力 . . . . . . . . . . . . . . . . . . . . .. 62. 4.4. ii.

(10) 4.5. 實驗總結 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 67. 第五章結論與未來研究方向................................................................................ 70 5.1. 研究結論 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 70. 5.2. 未來研究方向 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 72. 參考文獻 ......................................................................................................... 73 附錄 ................................................................................................................. 78 附錄 A 各單位職位人數列表 . . . . . . . . . . . . . . . . . . . . . . . . . .. 78. 附錄 B 職位階層關係列表. 治政 . . . . . . . . . . .大 . . . . . . . . . . . . . . . .. 80. 附錄 C 官員人事歷任資料 . . . . . . . . . . . . . . . . . . . . . . . . . . .. 83. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. iii. i n U. v.

(11) 表目錄 3.1. 機關名稱及代碼與上下級機關資料 . . . . . . . . . . . . . . . . . . . .. 22. 3.2. 馬英九的人事歷任資料 . . . . . . . . . . . . . . . . . . . . . . . . . .. 24. 3.3. 總統府職位從屬關係 . . . . . . . . . . . . . . . . . . . . . . . . . . .. 26. 3.4. 99年度總統府官員從屬資料 . . . . . . . . . . . . . . . . . . . . . . .. 27. 3.5. 總統府職位人數 . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 3.6. 1991年教育部排名和EventRank分數 . . . . . . . . . . . . . . . . . .. 4.1. 升遷範圍影響實驗-教育部 . . . . . . . . . . . . . . . . . . . . . . . .. 46. 4.2. 升遷範圍影響實驗-財政部 . . . . . . . . . . . . . . . . . . . . . . . .. 47. 4.3. 升遷範圍影響實驗-內政部 . . . . . . . . . . . . . . . . . . . . . . . .. 47. 4.4. 升遷範圍影響實驗-法務部 . . . . . . . . . . . . . . . . . . . . . . . .. 4.5. 個人政治權力變化觀察現象總表 . . . . . . . .v . . . . . . . . . . . . . a. 立. 政治大. 學. ‧. ‧ 國. 29. Nat. n. er. io. sit. y. 43. i l C n hengchi U. iv. 48 61.

(12) 圖目錄 1.1. 論文架構圖 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 7. 3.1. 總統府組織系統圖 . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 25. 3.2. 法務部組織系統圖 . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 25. 3.3. 職位人數限制示意圖 . . . . . . . . . . . . . . . . . . . . . . . . . . .. 29. 3.4. 職位階層示意圖 . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 30. 3.5. 1990年5月21日2階層從屬關係網路快照 . . . . . . . . . . . . . . . . .. 31. 3.6. 動態網路-1991年內政部子網路快照 . . . . . . . . . . . . . . . . . . .. 33. 3.7. 系統架構圖 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 37. 3.8. 系統運作流程圖 . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 38. 3.9. 動態網路模組流程圖 . . . . . . . . . . . . . . . . . . . . . . . . . . .. 立. 政治大. ‧. ‧ 國. 學. er. io. sit. y. Nat. 39 40. 3.11. . . . . . . . . . . . . .. 41. 4.1. 教育部-二十年升遷影響力變化 . . . . . . . . . . . . . . . . . . . . . .. 50. 4.2. 交通部-二十年升遷影響力變化 . . . . . . . . . . . . . . . . . . . . . .. 51. 4.3. 法務部-二十年升遷影響力變化 . . . . . . . . . . . . . . . . . . . . . .. 51. 4.4. 教育部-楊國賜和何進財升遷要職比較 . . . . . . . . . . . . . . . . . .. 52. 4.5. 交通部-黃德治和蔡堆升遷要職比較 . . . . . . . . . . . . . . . . . . .. 53. 4.6. 法務部-薛飛源和林錫堯升遷要職比較 . . . . . . . . . . . . . . . . . .. 54. 4.7. 教育部-政治權力轉移：吳清基和林聰明的影響力指數變化 . . . . . . .. 55. n. 3.10 動態網路之一-1990教育部子網路快照 . . . . .v . . . . . . . . . . . . . a. i l C n h e n g c h i. .U. . . 動態網路之二-1991教育部子網路快照. v.

(13) 4.8. 交通部-政治權力轉移：毛治國的影響力指數變化 . . . . . . . . . . . .. 55. 4.9. 法務部-政治權力轉移：曾勇夫的影響力指數變化 . . . . . . . . . . . .. 56. 4.10 教育部-外部人才選用：曾志朗和黃榮村的影響力指數變化 . . . . . . .. 57. 4.11 交通部-外部人才選用：葉菊蘭和郭瑤琪的影響力指數變化 . . . . . . .. 57. 4.12 法務部-外部人才選用：陳定南的影響力指數變化 . . . . . . . . . . . .. 58. 4.13 財政部-外部人才選用：楊子江的影響力指數變化 . . . . . . . . . . . .. 59. 4.14 總統府-外部人才選用：陳師孟的影響力指數變化 . . . . . . . . . . . .. 59. . . . . . . . . . . . . .. 60. 4.16 教育部-內部人員晉升：周燦德的影響力指數變化 . . . . . . . . . . . .. 60. 治政 4.15 交通部-內部人員晉升：蔡堆的影響力指數變化大立 ‧ 國. 學. 62. 4.18 UDN新聞露出-教育部二十年新聞露出指數變化 . . . . . . . . . . . . .. 63. 4.19 教育部-楊國賜跟何進財的影響力指數變化 . . . . . . . . . . . . . . . .. 64. ‧. 4.17 教育部-二十年影響力指數變化 . . . . . . . . . . . . . . . . . . . . . .. sit. y. Nat. 4.20 UDN新聞露出-楊國賜跟何進財的新聞露出指數變化 . . . . . . . . . . .. io. er. 64 65. 4.22. . . . . . . . . . .. 65. 4.23 教育部-曾志朗,黃榮村跟杜正勝的影響力指數變化 . . . . . . . . . . . .. 66. 4.24 UDN新聞露出-曾志朗,黃榮村跟杜正勝的新聞露出指數變化 . . . . . . .. 66. n. 4.21 教育部-吳清基跟林聰明的影響力指數變化 . . .v . . . . . . . . . . . . . a. i l C n hengchi U UDN新聞露出-吳清基跟林聰明的新聞露出指數變化 .. vi.

(14) 第一章. 緒論. 資訊超載的時代，該如何分析細碎片斷的資料成為重要的議題。近來，社會網路分析的研究方法大量地使用在相關的議題，本研究即是使用社會網路分析方法切入分析研究政府人事異動資料庫。本章將介紹本研究的背景，透過研究背景所取得的研究資料，並詳述進行本研究的動機和目的，最後是提出本研究的方法以及貢獻。. 1.1 研究背景. 立. 政治大. 隨著時間的推移，資訊技術的日益發達，人們開始重視保存舊時代的資料。將各種. ‧ 國. 學. 文字或圖像的資料透過不同的資訊技術將其留藏下來，讓之後的人得以一窺以前時代的樣貌或想法。但科技的進步，也使得資料量有巨大性的成長，必須利用資訊技術的輔助. ‧. 來整理資料，或者挖掘出更有意義的資訊。資訊技術提供我們更多面向來檢視資料，讓. y. Nat. io. sit. 資料不單只是一個過去痕跡的紀錄，更能找出隱藏在其背後的關聯性。. er. 我國政府也長年推動數位典藏的計畫，把每個時代重要的資訊轉作數位化保存。這. n. a. iv. l C 些經由數位典藏的資料通常擁有龐大的資料量，且擁有複雜的資訊隱含在其中。該如何 n. hengchi U. 以有效率的方式找出可以分析的資訊，成為大家關注的研究方向。一般若用直觀的方式去檢視這些資料，常常只能獲得零碎的資訊。而藉由社會網路分析，可以從巨觀的方面觀察這些資料整體變化，也能獲得資料個體的互動關係。社會網路是指將資料化作一種節點與連結組成的網路；節點通常代表個人或是組織，而節點間的互動形成一種連結(如朋友、合作)。過去在社會學門中，常用社會網路分析對各種社會議題進行研究，而近來因資料的成長和複雜度，也讓社會網路分析成為資訊領域的研究議題之一。過去的社會網路分析多著重於靜態的網路分析，針對單一的網路計算其網路特徵，像是網路密度、節點中心性等。近年來，許多研究朝向加入時間維度，希望用動態分析 1.

(15) 的方法，提供一種新的檢視方式。在時間維度的影響下，網路的特徵計算方式勢必不一樣，因為會有新的節點出現，甚至節點之間的關聯也隨時間改變。對以往的典型社會網路分析議題，諸如找出關鍵角色或是族群研究，在動態社會網路分析中有了新的可能。可透過動態的研究方法，找到以前被隱藏起來的關鍵角色，或重要的族群演化。本研究正是從總統府公報數位典藏的資料中，採用動態社會網路分析的方法，企圖從零碎且大量的人事異動資料，擷取出潛在於官員們在政府組織的影響力變化。並透過時間變化來觀察政府官員們升遷的過程，進一步分析外部人才選用或內部人員晉升的不同。. 1.2 研究資料. 立. 政治大. ‧ 國. 學. 本研究主要資料來源為政府官員異動資料庫，係利用資訊擷取技術從總統府公報的人事任免命令萃取出來。此外，本研究為了探究組織從屬關係，亦蒐集了上下級機關資. ‧. 料，並建立官員從屬關係，以下將依序進行介紹。 [1] [2] [3]. Nat. io. sit. y. 1.2.1 總統府公報. er. 總統府公報是政府所提供的公開訊息，希望藉由發行此公報讓人們得以了解與政府. al. n. v i n 有關的資訊。因次，我國中央政府自民國元年即開始發行公報，至今已有一百年的歷 Ch engchi U 史，中間經過數次政府體制更替，連帶使得公報名稱也有多次變動。名稱按照先後順序. 為臨時政府公報、臨時公報、政府公報、陸海軍大元帥大本營公報、國民政府公報，以及迄今採用之總統府公報。該公報最初由總統府第五局負責發行，後交由第三局，又經過民國八十五年的總統府組織法修正程序，調整總統府內的業務職掌，故目前為第二局負責發行。有關公報的發行日期，最初為每日發行，之後更動為每週發行二到三次。而民國84年7月1日起改為每週三發行，若遇上非週三公布法律則額外增刊。另外，從民國86年7月2日的第6164號公報開始，發行之公報同時刊登於「總統府全球資訊網」網站之上，亦同時 2.

(16) 提供電子文本供人下載。公報由民國元年發行至今，所刊載的資訊內容隨著時間變化，也產生多次的更動。而當前刊登的主要內容包括特載(像元旦、國慶公告以及聯合公報等)、總統令(像公布法律、任免官員、授予勳章、明令褒揚、題頒匾額等)、府屬機關令(像中央研究院、國史館等)、專載(像國賓抵台訪問、呈遞到任國書、總統府月會等典禮)、總統和副總統的活動紀要、總統府新聞稿、司法院令以及公告(像總統府、國家安全會議、國家安全局、中央研究院、國史館等)等相關內容。. 1.2.2 政府官員異動資料庫. 立. 政治大. ‧ 國. 學. 我國總統府公報擁有豐富的資訊，除了刊載不同時期國家元首的重要公告，也包含我國近代在民主發展中相關的典章制度等重要文獻資料。因此，為了讓珍貴的資料永續. ‧. 保存，政治大學資訊科學系和政大圖書館秉持資料數位典藏化的精神，將總統府公報中. sit. y. Nat. 人事任免命令為主要目標。透過資訊擷取(Information Retrieval)的技術，解析自然語. al. n. 能有後續的加值應用。. er. io. 言文本將裡面的目標資訊萃取出，進一步建置成中華民國政府人事異動資料庫，讓資料. Ch. i. e. i n U. v. ngch 本研究以政府人事異動資料庫為主要資料來源，因考量公報在刊載格式有變更，因此進行實驗前所擷取出的資料為民國77年1月1日至民國99年7月21日的異動資料，共有59,912筆異動紀錄和19,836個人物；因為欲觀察的對象為簡任官員以上，故參考組織法挑選中央政府司長級以上的職位，地方政府局長以上的職位。除了職位外也選定特定部門，中央政府挑選總統府、行政院本部、教育部、交通部、財政部、內政部、法務部、國防部、經濟部和臺北市跟高雄市兩個地方政府及底下的民政局、交通局、財政局、教育局等。經由以上條件篩選最後進行實驗階段，選出1,390人共3,232筆異動資料作為實驗資料。每一筆異動資料均包含以下欄位：姓名、部門、職等、職位、公報期. 3.

(17) 數、出刊年月日、任免(上任或免職)。. 1.2.3 其他資料欲探討權力結構關係，首先要蒐集全部的政府組織名稱及名稱代碼，並且掌握其階層關係。由行政院人事行政局的eCPA人事服務網，可取得每個政府機關的代碼和其機關名稱，更重要的是其中含有上級機關及下級機關的資料。從中過濾所需研究的機關後，便從79-99年的人事異動資料中，找出符合相同機關單位及特任或簡任以上的官員. 政治大一樣但是名稱不一致的情況。更正後的資料仍然屬於人事異動的資料，無法顯示出某人立. 們。挑選之前要先將幾項資料的錯誤更正，像是單位誤植，單位名稱出現通同字、單位. ‧ 國. 學. 在某年度是否仍然在職。所以要從資料整理出這些單位中，每位官員的人事歷任資料。最後因為上司及下屬關係與職位有相當緊密的關係，需要有每個職位的從屬關係，. ‧. 而職位的從屬又和機關的從屬有直接的關係，便擷取各機關的組織結構圖及參考中華民. Nat. sit. y. 國各機關單位的組織法。由此可以彙整出每個職位的關係圖。最後透過職位關係和人事. n. al. er. io. 歷任，可以擷取出每個年度的官員從屬關係資料，所以我們得到了四種資料結果。. Ch 1. 機關名稱及代碼與上下級機關資料. engchi. 2. 官員的人事歷任資料 3. 職位從屬關係資料 4. 官員從屬關係資料. 4. i n U. v.

(18) 1.3 研究動機與目的傳統的社會網路分析，藉由網路特性的角度，像網路的中心性、密度等探討社會中的現象或是節點人物的分析。不論是找出關鍵角色的研究或是族群偵測的研究在傳統的社會網路分析研究中，許多基本的問題都已經得到解答。而資訊科學的研究角度在預測或推薦方面等，不同的學者也提出不同的方法來解決。看似社會網路的問題大部分都得到了解答，但實際上隨著資料蒐集的越來越完整，社會網路的節點也不斷地增加，因此. 政治大社會網路在時間中的變化，進而產生動態社會網路研究的相關議題。立. 出現了大型社會網路的相關研究。除了社會網路的節點不斷增多，許多學者也注意到了. ‧ 國. 學. 過去在政府人事異動資料庫中，使用了傳統社會網路的分析方法，也研究了連結預測理論的相關議題。但是關於政府官員的影響力是過去較少接觸的議題，一方面對於影. ‧. 響力的探討文獻有限，一方面對於影響力的認識不足。對於職位和影響力的關係為何？. Nat. sit. y. 或官員的影響力如何變化？面對這些問題的時候，只能以片面的資料或主觀認定來判定. a. er. io. 這些問題的解答。故本研究希望利用動態社會網路的方法，將政府官員升遷的過程，利. n. iv l 用時間變化做呈現。將升遷異動的資料轉化成從屬網路型態，並以動態網路的形式，讓. n U engchi 我們可以了解到官員升遷過程中影響力的變化，將過去對於影響力變化從感覺認知轉成. Ch. 可觀察的結果。甚至直接以圖表的方式做說明，說明部門內官員們在升遷過程中，影響力的變化，把過去主觀的認定變成客觀的資料做解釋。不僅是針對單一的官員做特定分析，而是全面的從異動資料中，觀察官員彼此影響力消長狀況。可以從中選取官員做比較，比較他們在政府組織任職中，除了職位上的變化以外，更可以比較影響力的排名。. 1.4 研究貢獻本研究利用了動態社會網路的分析，將政府人事異動資料庫聚合成動態社會網路。並且在動態社會網路變化過程中，加入EventRank演算法做計算，給定每個官員 5.

(19) 分數，並依照時間變化和網路節點屬性做調整。其研究貢獻在於提供一個將升遷資料轉成動態社會網路結構的方法，並且提出從屬網路的網路結構。因此，可以得到指定時間的從屬網路，提供社會學領域做質化研究。此外也可呈現動態變化的從屬網路，透過視覺化方法直接觀察時間下，網路節點的變化情形。利用EventRank計算出來的分數，透過排名計算可以得到二十年的變化。這二十年的排名結果，可以做為政府官員在影響力排名的變化指標。針對每個部會二十年的排名結果，可以從中發現過去較難呈現的現象。像是官員升. 治政遷過程，可以藉由兩個官員的排名變化做比較，了解官員的職位和影響力的關係。也可大立. 以從排名和職位中看出，官員的升遷過程中影響力變化。政治權力轉移所出現的現象，. ‧ 國. 學. 像是外部人才選用，或是核心人物的變化等，也可以從二十年的排名結果中發掘。有些. ‧. 官員在政府組織的權力和影響力出現了一段空窗期，排名結果可以顯示這樣的情況，加. sit. y. Nat. 以標示臺灣政府政黨輪替的年代，其空窗期符合這樣的年代事件變化。由此推論動態社. io. al. n. 1.5 論文架構. er. 會網路的模型下，臺灣政府組織結構變化反映了時代的更迭。. Ch. i. e. i n U. v. ngch 本論文後續章節架構如圖所示；第二章為文獻探討，分成社會網路分析、動態網路分析、排名演算法，由傳統社會網路分析方法開始介紹，接著敘述近年的動態社會網路分析研究和所用到的排名演算法及相關研究比較。第三章為本研究的研究方法，敘述將政府人事異動資料庫轉成社會網路模型和動態社會網路的過程，並說明如何在動態社會網路中使用EventRank演算法。第四章則為實驗的介紹，由實驗資料取得到實驗參數設定，最後呈現實驗結果和驗證評估。第五章為本研究做總結並提出未來研究方向。. 6.

(20) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. 圖 1.1: 論文架構圖. 7. v.

(21) 第二章. 文獻探討. 本章將介紹與研究主題有關的文獻資料，先針對社會網路研究的基本組成、定義和相關分析理論作文獻探討，接著將範圍焦點於動態網路分析(Dynamic Network Analysis)作相關文獻的討論及探究。. 2.1 社會網路分析. 政治大. 社會網路由個體集合和彼此的關係連結組成一個網路，所衍生的研究理論不同於討. 立. 論單一個體的差別或整體環境分析，而著重於網路中個體和個體的連結關係，和個體與. ‧ 國. 學. 整體網路的關係作研究；因此由早期社會學與人類學所發展的理論方法，發展至今也已在其他學門如：生物學、經濟學、資訊科學成為重要的研究分析方法 [6]。以下會依序. ‧. 介紹社會網路分析的基本定義和相關網路模型，及所發展出來的重要分析指標。. y. Nat. er. io. sit. 2.1.1 基本定義. 社會網路分析利用圖(Graph)將複雜的社會結構用簡單的網路圖形作呈現，基本定. al. n. v i n Ch 義為：一群節點(Node)的集合，透過節點與節點間存在的特定關係(Relationship)讓彼 engchi U 此產生連結(Link)，而形成一社會網路可說明單一節點的行為、或群體關係的現象；按照社會網路的定義，可分成兩大部分：節點與關係 [7]。 1. 節點(node): 因為源自社會結構之研究，亦有人稱之為人物(Actor)，而社會網路中的節點可以是任何人、群體、公司、組織，甚至是非生命之事物，如字詞、圖片、文獻等。社會網路中的節點也不受限為同一類型，可以有數種不同類型的節點。若網路內部僅含同一種類型的節點時，稱為1-mode網路，此類型的網路在節點仍有屬性差. 8.

(22) 異，但實際上仍屬同類型，像常見的人與人構成的網路；網路中的節點有兩種類型時，則稱2-mode網路，如圖片與標籤所構成的網路。隨著節點類型的增加，整體網路的定義和性質分析的困難度也隨之增加，故目前節點定義為三種以上類型的網路並不常見。 2. 關係(relationship): 社會結構中，因扮演的角色不同，使得人與人間存在各種不同的關係。基本常見. 政治大從屬、同事關係，各種不同的關係擁有不同的性質，因研究對象不同，而選取不立. 像家庭中的血緣、姻親的親屬關係，一般社會的友誼、合作關係，組織企業中的. ‧ 國. 學. 同層次的觀察作為研究。由方向性來看，關係可區分成具方向性和無方向性；像上司跟下屬可以定義成有方向性，而同事之間的關係則屬於無方向性。關係間的. ‧. Nat. er. io. 2.1.2 網路模型. sit. 係，而按照連結頻率給定的關係，則為權重關係。. y. 強度可分成二元關係和權重關係，若關係僅是有無關係而連結起來，則屬二元關. al. n. v i n Ch 社會網路分析因為不同的研究目的和相異的資料型態，使得有不同的研究網 engchi U. 路。Knoke and Kuklinski [8]將社會網路分析分成以下四種: 1. 自我中心網路 (Ego-Centric Network): 又稱主要明星網路，以第一人稱為主要核心目標，設定某一節點當作中心向外擴張。研究聚焦於中心節點和其他網路節點的關係，忽略其他節點之間連結關係。 2. 成對網路 (Dyad Network): 又稱派對網路，以成對的節點間的關係作為研究對象，觀察網路中兩兩節點的相互關係，探討節點間的差異或產生的內容等。 9.

(23) 3. 三角網路 (Triad Network): 以三個節點連結關係為主體，探討節點間是否可透過傳遞產生影響。兩兩節點因為第三節點關係，使得網路呈現平衡或不平衡、正向或負向等現象。 4. 完整網路 (Complete Network): 目前最常採用的網路，可以在特定範圍下研究其中的節點關係，並能觀察節點在網路中分布的情況。. 2.1.3 分析指標. 立. 政治大. 社會網路分析經過長時間的發展，出現各樣的分析方法和計算指標，以下將提出重. ‧ 國. 學. 要的指標意義及計算方式 [9]. ‧. 1. Centrality (of Node): 網路中心性為最早提出的概念，有三種常見的中心性分別. sit. y. Nat. 為Degree Centrality、Closeness Centrality、Betweenness Centrality。. er. io. (a) Degree Centrality:. n. a. v. l C 計算該節點與其他節點連結的總量，只考慮有直接連結的部分，並未將間接 ni. hengchi U. 連結或其他情況納入。這種計算方式也常用在單一節點的區域中心度計算，在有向網路的計算方式則改成連入的連結數量和連出的連結數量總和。通常Degree Centrality越高代表該節點在網路中的影響力越高。 CentralityDegree (ni ) = degreein (ni ) + degreeout (ni ). (2.1). (b) Closeness Centrality: 將該節點與其他節點的最短距離作加總便是該節點的Closeness Centrality，此計算方式將間接連結的情況也納入考量，因此相較於Degree 10.

(24) Centrality，Closeness Centrality被認為能代表全域中心度。 CentralityCloseness (ni ) = [Σj6=i distance(ni , nj )]−1. (2.2). (c) Betweenness Centrality: 計算節點j與節點k的所有路徑中，經過節點i的比例。能衡量節點i是否在網路結構中擔任中介角色(Bridge)，代表訊息在網路中流通的關鍵角色。 CentralityBetweenness (ni ) = Σj,k6=i 2. Structure (of Network):. 立. 政治大. |pathvia ni (nj , nk )| |pathtotal (nj , nk )|. (2.3). ‧ 國. 學. 介紹完有關節點的指標計算方式，要談到關於網路結構的部分。網路結構在社會網路分析中也扮演很重要的部分，能夠讓我們了解網路的樣貌和內部集團構成。. ‧. (a) Structure Equivalence. y. Nat. io. sit. 網路結構裡面，節點i與節點j其各自連結的節點均相同，此時稱這兩個節點. er. 為Structure Equivalence。透過Structure Equivalence，我們可以找到社會. n. a. v. l C 網路中扮演相似角色的節點，像是家庭中的爸爸，進而分析這些節點在網路 ni 中佔據的重要性。. hengchi U. (b) Cohesion subgroup 當多個節點都彼此互相連結時，Cohesion subgroup常常就會出現，代表節點間的關係相當密切，這些連結互動頻率便會很高，以下介紹常見的Cohesion subgroup。 (c) Clique 三個或三個以上的節點組成最大完全子圖，也代表這些節點之間都彼此有連結關係，故兩個點並不能成為一個Clique。 11.

(25) (d) N-Clique 節點的集合中，任意兩節點在網路中的距離均低於或等於門檻值n。 d(i, j) ≤ n, ∀ni , nj ∈ Ns. (2.4). (e) N-Clan 與N-Clique相似，將距離限定在該節點的集合範圍而非整體網路。故可知N-Clan一定是一N-Clique。 (f) K-Plex. 立. 政治大. 學. ‧ 國. 節點集合中，任意節點的degree數目大於等於n-k，即全部節點至少與該集合內n-k個節點直接相連。. ‧. (2.5). sit. y. Nat. (g) K-Core. d(i) ≥ (n − k), ∀ni ∈ Ns. n. a. er. io. 與K-Plex相反，節點集合中，任意節點的degree數目大於等於k，代表全部節點至少和k個節點直接相連。 l. Ch. engchi. i n U. v. d(i) ≥ k, ∀ni ∈ Ns. (2.6). 2.1.4 小結社會網路分析發展至今，發展出各式各樣的指標。但過去的分析方式，都是將複雜的社會關係退化至簡單的連結關係。隨著研究議題的改變，網路型態也慢慢從小型網路發展成大型網路，過去的計算方式，在大型網路的時間複雜度成長下已然不適用。從靜態網路的觀點來看，運用過去的研究模式從網路中常常會漏掉許多重要的訊息，因此有人發展用統計的模型去分析，或是導入時間的概念，將社會網路做動態網路分析。在下一節，我們將會介紹甚麼是動態網路分析。 12.

(26) 2.2 動態網路分析社會網路分析本來只針對單一節點與特定關係，還有特定的時間點作探討。因為方便研究分析，將資料退化到過於簡單的模型，導致喪失了許多重要的訊息。因此近年來，除了在靜態網路分析研究上導入各種統計模型，也有學者開始朝多種節點，亦即2-mode網路發展 [10]；也有一派學者朝時間的變異對節點影響的方向做研究 [11]。. 2.2.1 基本概念與定義. 政治大. 動態網路指得是某一特定時間點t呈現的社會網路稱為快照(snapshot)，隨著時間. 立. 變化，節點的數目會改變，節點間的連結關係也會改變。網路中的節點型態可能超過兩. ‧ 國. 學. 種以上，相較傳統社會網路僅單一種或最多兩種有很大的不同。甚至在網路的連結型態也不一樣，相較傳統社會網路只有一種連結型態，在動態社會網路的連結型態可能超過. ‧. 兩種以上。 [12] [13] [14] [15]. y. Nat. io. sit. 動態網路分析相較於傳統社會網路分析，處理了大型且動態的網路，其中可能包括. er. 多種節點型態、多種連結型態，或者不同層次的網路。動態網路分析很像量子力學，去. al. n. v i n 量測節點的狀態改變，或者是從不同系統間的轉移。但不同於量子力學，在動態網路 Ch engchi U. 分析中的節點是可以學習的。動態網路分析的分法是將社會網路分析(Social Network. Analysis)、連結分析(Link Analysis)、多代理人系統(Multi-agent Systems)的結合。找出兩個不同時間的網路圖中變化的節點，或節點關係。進步一研究節點改變的行為原因、或節點群聚變化，甚至預測將來節點與節點是否產生關係。 [16]. 2.2.2 相關研究傳統社會網路分析研究在多數的議題探討中都得到了解答，於是研究方向逐漸朝向兩種或更多型態以上的節點網路。當然研究的網路形式趨於複雜，像是網路節點數目已. 13.

(27) 經大到難以用人工的方法分別處理，即使交由電腦計算也可能需要花上數天的時間。網路節點型態增加，過去只有單一種型態，無論對於網路的詮釋或計算都不用花費太多功夫。但是兩種型態以上的節點，除了計算上變得複雜以外，對於網路型態的定義和解釋都必須要深思熟慮。既然網路節點型態不一樣，伴隨著的是網路連結關係也不一樣，傳統社會網路僅有單一種連結關係頂多加入方向性的影響。動態社會網路的連結關係因著節點型態的不同，連結型態也跟著改變。過去在傳統社會網路研究中得到解答的議題，在動態網路分析中因加入時間維度的考量讓大家再次關注。這些議題主要可以分做幾. 治政類，分別為找出關鍵角色(Finding Key Player)、社群偵測(Community Detection)，大立不在前兩類的則歸於其他研究。. ‧ 國. 學. 1. 找出關鍵角色. ‧. 在傳統社會網路分析研究當中，找出關鍵角色是常見的研究問題。在一個網路系. y. Nat. io. sit. 統裡面，那些節點扮演重要角色影響整個網路，是學者想要找出來的。在動態網. er. 路分析裡面，節點因著時間變化而有著不同的狀態，可能是網路中新增的節點，. n. a. v. l C 而節點間的連結也可能因此聯結起來或消失不見。既然連結的關係會改變，那扮 ni. hengchi U. 演關鍵角色的節點勢必也會變動。因此，我們將舉出三個不同學者在找出關鍵角色的研究。首先，J. O’Madadhain在2005年時，提出事件(Event)對於節點可分成兩個部分，第一作為將來連結發生的參考，第二作為節點排名的依據。節點的重要性，在傳統的靜態網路可藉由計算連結和其權重，但卻沒有考慮時間的先後順序。考慮三個節點A、B、C情況，剛開始的某一段時間節點A和節點B的互動關係很密切，而稍後一段時間節點B和節點C的互動關係變得很密切。在過去的社會網路分析，可能只認為A和B跟B和C的關係設為同等重要，卻沒有考慮到前者發生的時 14.

(28) 間較早，而後者發生的時間較晚。如果要做排名的話在前一段時間的重要是B再來A，而後一段時間的重要性則變成B再來C。藉由事件的發生，我們可以知道節點的連結關係發生變化，不單只是連結的多寡決定連結的重要性。 J. O’Madadhain用安隆公司的電子郵件往來當作例子，希望從電子郵件傳遞的紀錄中，找出誰是影響安隆事件的關鍵人物。事件就是電子郵件的發送，而電子郵件的發信人和寄信人就是事件的參與者。發信人和收件人都是網路中的節點，便可以去計算事件發生後節點的分數。但節點因為節點在動態網路中. 政治大的性質，傳統PageRank演算法並不適用，故將PageRank稍作修改，提出一適立. ‧ 國. 學. 合Event-Based Network的演算法稱之為EventRank將在後一節作更進一步的介紹。 [17] [18]. ‧. 接著，S. Yuan在2009年提出在Event-Based Network下找出核心節點的方. y. Nat. sit. 法。同樣屬於Event-Based Network，S. Yuan的方法卻和J. O’Madadhain不相. n. a. er. io. 同。S. Yuan定義出所謂的Event-Based Network Structure，包含兩種型態的. v. l 節點，一種是人物節點(Actor-Node)，另一種則是事件節點(Event-Node)。人 ni. Ch. engchi U. 物節點除了區別不同人物的ID屬性以外，還有活躍度和重要性兩種屬性。活躍度則代表人物節點在某段時間點，某個特定領域下的活躍度指標；重要性是說明人物節點在某段時間的特定領域重要性。事件節點則由四種屬性構成，ID、影響力、領域、時間。這四種屬性可以說明這個事件在何種領域發生，並且指出發生時間和其發生的影響力。因為有兩種不同型態的節點，故節點和節點間的連結關係也分成兩種，分別是人物節點和事件節點的連結稱為lbAE (link between Actor-Node and Event-Node)，還有則是事件節點和事件節點間的連結稱作lbEE(link between Event-Node and Event-Node)。將Event-Based 15.

(29) Network定義好後，接著便說明怎樣算是核心節點。核心節點即是一個人物節點在網路中重要性和活躍度都明顯高於平均。 [19] 2. 社群偵測另一個和找出關鍵角色一樣，在傳統社會網路中是過去學者想要研究的議題。在人類的社會中，充滿各式各樣的族群。隨著研究對象的不同，分群的目標也就不一樣。因此在時間的影響下，網路節點的變動也代表可能離開某一個族群，當然. 政治大是同樣的狀況，產生新的族群或者是族群融合，還是族群分散或消失。立. 也有可能是新的族群產生。動態網路中的節點在時間改變有不同的狀態，族群也. ‧ 國. 學. S. Asur於2007年提出一個分析方法將時間區間內的網路做快照(snapshot)，將該網路快照做MCL的叢聚(cluster)演算法後，會得到一個分群後的快照，再利用事. ‧. 件擷取(Event extraction)的演算法可以擷取出時間區間中重要事件，重要事件按. y. Nat. io. sit. 照關注的節點數分成社群事件和個人事件。社群事件有延續(Continue)、K%融. er. 合(k-Merge)、K%分離(k-Split)、形成(Form)、解散(Dissolve)，個人事件有出. n. a. iv. l C 現(Appear)、消失(Disappear)、加入(Join)社群、離開(Leave)社群。並且針對 n. hengchi U. 這些事件作行為分析，進而提出各項指標。 [20] 2010年時，M. Takaffoli 提出另一個與S. Asur相似的方法，加進社群旗標(Community flag)的概念來辨識不同時間的社群是否相同。並且在事件的部分定義更為嚴謹，分別是k形成(k-form)、k分離(k-dissolove)、k延續(kcontinue)、n-k融合(n-k-merg)、n-k分離(n-k-split)、k縮小(k-shrink)、k重組(kreform)，個人事件是出現(Appaer)、消失(Disappear)、k加入(k-join),k離開(kleave)。並和S. Asur做一些實驗比較。 [21]. 16.

(30) 3. 其他研究動態網路分析在找出關鍵角色和社群偵測的議題外，還有許多相關的議題像是大型動態網路研究、動態網路視覺化呈現等。在此舉出混合傳統社會網路分析和動態網路分析的議題，並且應用在不同的領域上。 2006年的時候，L. Licamele提出一個跟社會資產(Social Capital)有關的研究。這位學者認為將朋友網路和事件網路作結合所得到的朋友事件網路(Friendship-Event network)，由這個網路可以去計算社會資產。當然. 政治大該學者也定義了Friendship-Event network中的兩種節點，人物(actors)和事立. ‧ 國. 學. 件(events)。而連結關係則有四種，分別是朋友(friends)、組織(organizers)、參. 與(participants)。第一個是人物和人物的連結關係，後面兩者則是人物和事件的. ‧. 連結關係。建構出Friendship-Event Network後，便可以計算人物節點在某次事. sit. y. Nat. 件中的社會資產和社會資產比率，還有一群人在事件子集合的群體社會資產。社. er. io. 會資產的計算外，還有利益獲得、利益獲得比率、分出利益、分出利益比率等指. n. al 標。L. Licamele將動態社會網路分析和傳統的社會資產研究作結合，可以看到過 iv n U engchi 去在傳統社會學的研究，在新的研究方法下的繼續延伸。 [22]. Ch. 2.3 排名演算法排名一直是社會網路研究關注的議題，像是2.1.3提到的中心度也是排名的一種。因為本研究使用的EventRank係參考PageRank修改而成，本節將幾個重要影響的排名演算法做介紹。. 2.3.1 HITS 全名為Hyperlink-Induced Topic Search，亦稱Hubs and authorities由Jon Kleinberg提出。HITS演算法甚至影響Larry Page提出2.3.2的PageRank。HITS演算法第 17.

(31) 一步是得到搜尋結果的集合，並非直接對所有的網頁做計算。 [23] 這個演算法，主要基於兩個基本步驟。 1. Authority 更新:根據所有node連結到他的hub score總合當作是authority score。 2. Hub 更新:將其所連結的所有node的Authority score加總當作是hub score。一開始將authority score和hub score均設為1，執行以上兩個步驟，將計算結果作正規化。如果有需要便重新計算authority score和hub score。. 2.3.2 PageRank. 立. 政治大. ‧ 國. 學. 由Google創辦人Larry Page和Sergey Brin在1998提出，以Larry Page的姓為命名，根據網頁之間的超連結計算出網頁排名。 [24]一個頁面的排名由所有連入的頁面重. ‧. 要性決定，一個超連結相當於給該網頁一分。該頁面的PageRank由一個遞迴演算法得. al. P R(B) P R(C) P R(D) + + )q + 1 − q L(B) L(C) L(D). er. io. P R(A) = (. sit. y. Nat. 到。例如四個頁面A、B、C、D形成的集合。以下考慮A的PageRank為 (2.7). n. v i n Ch 該頁面的PageRank是由其他頁面的PageRank計算到並且乘上一個q值。Google透過 engchi U. 數學系統計算得出，給每個頁面一個最小隨機值(1-q)，經過重複計算則這些PR值會收斂到一個數值。 PageRank的方程式導入了隨機瀏覽(Random Walk)的概念，完整方程式如下： P ageRank(pi ) =. q P ageRank(pj ) + (1 − q)Σpi N L(pj ). (2.8). 2.3.3 EventRank J. O’Madadhain在2005年提出，因為對於兩個節點如果有相同的連入數目，PageRank會給於相同的分數，這在於時序中，無法看出兩個節點的重要 18.

(32) 性。例如信件往來中，考慮三個節點A、B、C，B先連續寄信給C四次，過一段時間後再連續寄信給A四次；這種情況在本來的PageRank都會給A跟C相同的排名分數，但按照時序來說，C在之前可能扮演重要的角色，A則在之後時間點的重要性超越了C，所以J. O’Madadhain認為根據時間的變化，排名所給的分數也要有所變化。故提出兩種Rank,Transient Rank跟Cumulative Rank。Transient Rank是每個時間的網路快照(snapshot)計算出來的分數，Cumulative Rank則是將Transient Rank作加總得到。EventRank跟PageRank的主要有兩點不同。第一點是PageRank為一個穩定. 治政的分布，而EventRank會隨時間變化。第二點是PageRank是採取隨機瀏覽的方式，大立而EventRank是由Event所驅動調整排名變化。EventRank基於一些要求如下。. ‧ 國. 學. 1. 可以根據時間做比較。. ‧. 2. 參與者透過其他參與者獲得分數。. sit. y. Nat. n. a. er. io. 3. 參與永遠會獲得分數即使參與者的分數是0。. l 4. 參與者的分數不會減少。. Ch. engchi. i n U. v. 5. 非參與者的分數不會增加。 6. 分數改變反映事件順序。因為以上的要求，計算處理過程敘述如下：寄信者從沒通信者(非寄信也非收信者)獲得分數；寄信人保留部分分數；將剩餘分數份送給收件人們；過程中，寄信人永遠有分數可以送(從沒通信者獲得)；寄信和收件者分數提高；沒通信者減少分數。. 19.

(33) Transient Rank分數的計算方式如下 R0 (c) =. Ri (c) =.     Ri−1 (c) + αi ·   . 1 |C|. (2.9). Ri−1 (c) Σd∈Pi Ri−1 (d). Ri−1 (c)· (1 −. , c ∈ Pi. αi. (2.10). ,c ∈ / Pi. TNi−1 ). Cumulative Rank可以透過加每個階段的Transient Rank加總獲得。得到這兩個Rank數值後，可以比較節點間的transient rank在時序中的變化，能觀察出節點在何種時間區間的重要性。. 立. 政治大. 以上我們可以知道HITS演算法影響了PageRank的產生，而當靜態網路分析發展. ‧ 國. 學. 到動態分析時，PageRank顯然有不適用的地方。因為資料模型的改變，演算法也要隨. ‧. 之調整。在下個章節中，會說明如何在我們的研究流程中加入EvenRank的演算法。. n. er. io. sit. y. Nat. al. Ch. engchi. 20. i n U. v.

(34) 第三章. 動態網路模型建構與分析. 官員掌握的權力與其如何影響政府組織的運作，常常可以在報章雜誌中，看到各式各樣的評論。台灣自改革開放後，憲法賦於人民的言論自由，使得人們可以去探討官員升遷、組織運作的問題。官員間的互動、組織的地下運作也是媒體關注的焦點。在政府組織運作中，對於政府官員職位和影響力的關係、或影響力的變化，考量這些問題的時. 政治大章雜誌等外部資料做觀察？本研究對於前述幾種問題，希望透過政府官員異動資料，以立. 候，常常只能以感覺和片段資料做依據。而官員在政府組織中影響力，是不是只能從報. ‧ 國. 學. 客觀的數據和社會網路分析的角度切入，將感覺層次和片段的資料統合，呈現可具體觀. ‧. 3.1 動態網路模型. io. sit. Nat. 介紹本研究主要的分析方法，最後說明本研究的系統架構。. y. 察的數據資料，進一步能做更深入的探討。接著，本章將先論述網路模型的建構，進而. er. 本研究的模型為傳統社會網路模型之延伸，需要先從政府官員異動資料的異動紀錄. n. a. iv. l C 聚合成人物網路。得到人物網路後，再一進步加入時間維度，形成動態的社會網路。本 n. hengchi U. 節即說明就資料轉化成動態社會網路的流程，以及其中加入過濾條件的方法。. 3.1.1 資料前處理本小節首先將網路資料的前處理作說明，分別取得機關組織的資歷，及參考各機關組織法，要彌補政府人事異動資料的不足。並且更正一些會影響實驗結果的資料。 1. 機關名稱及代碼與上下級機關資料: 由行政院人事行政局的eCPA人事服務網可以下載此份資料，其中還包含各機關的連絡電話及地址，因為對本研究沒有影響，故以下表3.1不將其列出，並列出幾. 21.

(35) 筆資料作為代表性機關。表 3.1: 機關名稱及代碼與上下級機關資料機關代碼機關名稱機關層級上級機關 200000000A. 總統府. 1. 總統府. 300000000A. 行政院. 1. 行政院. 301000000A. 內政部. 2. 行政院. 2. 行政院. 379000000A 臺北市政府. 2. 官員的人事歷任資料:. 立. 政治大. 首先從人事異動資料庫中，設定條件抓取所需要的資料。設定從民國77年到99年. ‧ 國. 學. 中抓取特任或簡任以上的官員人事異動資料。接著先校正幾項資料可能的錯誤，. ‧. 諸如單位錯誤、單位名稱通同字、單位名稱不一致、單位更名等。. y. a 12職等書記官長行政院. sit. 評事. io. 陳秀美行政院 14職等. er. Nat. (a) 單位誤植:. n. iv l C n 評事及書記官長均為法院層級職位，故這邊應該是資料誤植為行政院，需要 hengchi U 呂廣. 改正為行政法院。 (b) 單位名稱通同字: 台、臺: 楊至雄台北市政府 12職等顧問楊至雄臺北市政府 12職等參事台北市政府和臺北市政府是一樣的單位，故將資料中所有擁有「台」的單位更正為「臺」。. 22.

(36) (c) 單位一樣名稱不一致: 李次郎. 財政部. 12職等司長 87年. 李次郎行政院財政部 12職等參事 92年將行政院○○部的行政院通通移除，才能跟表1.的機關名稱一致 (d) 單位更名: 財政部金融局. 曾國烈. 12職等司長 91年. 行政院金融監督 13職等局長 94年. 曾國烈. 政治大. 管理委員會銀行局. 立. 財政部金融局曾於93年更名，其他更名單位會製作成對應表格。用表格查找. ‧ 國. 學. 單位是否更名，並作適當對應。. ‧. 將單位上的錯誤更正之後，要擷取每位官員的職務歷程，需要考慮官員可能在該. y. Nat. io. sit. 單位和職位擔任數年後離職 (會出現另有任用、辭職等情況)，或在同一個單位升. n. a. er. 遷、跨單位升遷等情況，再考慮各種狀況後，我們可以從資料中獲得官員的人事. l 歷任資料。請見表3.2。. Ch. engchi. 23. i n U. v.

(37) 人物馬英九. 表 3.2: 馬英九的人事歷任資料就職離職升遷職位年度年度單位. 單位行政院研究發. 主任. 職位. 年度. 副主任. 委員會. 委員. 82. 法務部. 部長. 82. 85. 行政院. 政務委員. 85. 85 治 86 政市長 87 95 大. -. -. -. -. -. -. 總統. -. -. -. 委員. 行政院大. 副主任. 陸委員會. 委員. 馬英九. 法務部. 部長. 馬英九. 行政院. 政務委員. 馬英九. 臺北市長. 馬英九. 總統府. 立. 升遷. 行政院大陸. 展考核委員會. 77. 80. 80 82. 97. -. 80. 學. ‧ 國. 馬英九. 升遷. 3. 職位從屬關係資料:. ‧. 要獲得職位從屬關係資料，要先研究單位的從屬關係，因此研究了各機關網站上. y. Nat. sit. 的機關架構圖，得知每個機關之間的從屬關係，而其中又有職位的從屬關係圖可. er. io. 以參考。以下列舉總統府(圖3.1)和法務部(圖3.2)的組織系統圖做為參考，均從該. n. a. iv. l C 單位的網站擷取重新繪製而成。總統府的組織系統圖的最頂端為總統府，其應該 n. hengchi U. 指得是總統，由秘書長輔佐總統來襄理府內事務。故府內單位從第一局、第二局、或法規委員會等均在秘書長之下。其中中央研究院、國史館等組織亦納入總統府組織之內。除了總統府之外，還有其他的部會組織。但行政院轄下的部會甚多，雖部會的組織因著行政性質有所不同，其職位也有所分別。基於研究的需求考量，從中挑選部會共有的組織架構和職位。並列舉法務部的系統組織圖，來說明其部會的組織架構。法務部由部長作為領導，底下並列兩位常務次長與一位政務次長襄理事務。部長和政務次長均屬於政務官，代表此類職位通常由長官指派，並不一定在 24.

(38) 本來的公務員體制之中，而常務次長屬於事務官，代表其可能從該類型單位升遷，基本都要從政府公務員體制中出身。. 立. 政治大. ‧ 國. 學. Nat. n. al. er. io. sit. y. ‧. 圖 3.1: 總統府組織系統圖. Ch. engchi. i n U. 圖 3.2: 法務部組織系統圖. 25. v.

(39) 除了圖3.1及圖3.2外也參考各機關組織法，例如總統府組織法第十條為文職軍職人員編制指出，文職人員設局長三人(職務列簡任十四職等)、秘書六至八人(職務簡任十二至十四職等)、主任二人(職務列簡任第十三職等)副局長三人、副主任二人、參事四人至六人(職務均列簡任第十二職等至第十三職等)、參議十四人至十六人(職務列簡任第十職等至第十二職等)。其他職位因研究考量在此並不贅述，而組織法第十一條至第十三條訂定了人事處、政風處、會計處的編制。了解總統府組織內的職位後，藉由職等的設定，本研究各單位內的職位從屬關係，以下表3.3用總統府作為例子。. 表 3.3: 總統府職位從屬關係職位階層上司. 學. 總統府. 副總統. 2. 總統. 秘書長. 2. 總統. 3. 秘書長. 總統府. io. 總統府. 副秘書長. n. al. 副總統,秘書長,局長,主任,處長, 會計長. y. -. -. sit. 1. 下屬. ‧. 總統. Nat. 總統府. 副秘書長,秘書,局長,主任. er. 單位. ‧ 國. 立. 政治大. n U 3en 總統,秘書長 gchi. iv. -. 總統府. 秘書. 總統府. 局長. C h3. 總統府. 主任. 3. 總統,秘書長. 副主任. 總統府. 副局長. 4. 局長. -. 總統府. 副主任. 4. 主任. -. 總統府. 參事. 4. 局長. 參議,專門委員,高級分析員. 總統府政風處. 處長. 4. 總統,秘書長. -. 總統府人事處. 處長. 4. 總統,秘書長. -. 總統府會計處. 會計長. 4. 總統,秘書長. -. 總統府. 參議. 5. 秘書長,參事. -. 秘書長. 26. 副局長.

(40) 表3.3中的第一階層是代表組織內權力最高的位階，故總統屬於此階層內。而表內的上司及下屬有考量跨階層的情況。所以總統沒有上司，而其下屬為秘書長、副總統、局長等職位。 4. 官員從屬關係資料: 由職位的從屬關係，搭配上官員的歷任資料，我們可以建立出官員的從屬關係。可以設定需要關聯的上司跟下屬，亦即幾個階層內的關聯。例如以下為99年度的. 政治大結，秘書長則和秘書、局長等設定關聯，並且在關聯中僅設定上司連到下屬的單立. 總統府官員從屬資料，設定為相差一階層的關聯。總統僅和副總統、秘書長做連. ‧ 國. 學. 向關係。下表3.4以總統府99年度部分職位為例子。. 上司單位. ‧. 表 3.4: 99年度總統府官員從屬資料上司職位人物下屬單位下屬職位. 人物. 馬英九. 總統府. 副總統. 蕭萬長. 總統府. 總統. 馬英九. 總統府. 秘書長. 廖了以. 秘書長. 廖了以. 總統府. 副秘書長. 高朗. 總統府. sit. a秘書長 iv l C 廖了以總統府 n 副秘書長秘書長 h e 廖了以 i U 秘書 n g c h總統府. n. 總統府. er. io. 總統府. y. 總統. Nat. 總統府. 賴峰偉朱為正. 總統府. 秘書長. 廖了以. 總統府. 秘書. 曾天賜. 總統府. 秘書長. 廖了以. 總統府. 秘書. 許志仁. 總統府. 秘書長. 廖了以. 總統府. 秘書. 陳慧文. 總統府. 秘書長. 廖了以. 總統府. 秘書. 蔡崇振. 總統府. 秘書長. 廖了以. 總統府. 秘書. 黃振福. 總統府. 秘書長. 廖了以. 總統府. 局長. 陳烯堅. 總統府. 秘書長. 廖了以. 總統府. 局長. 侯平福. 27.

(41) 由於目前公務人員職等規定，僅有事務官具有職等規定，且最高為14職等。這邊沿用 [4] [5]的制定方式。總統為19職等，院會院長、副院長為18、17職等，部長及秘書長為16職等，副部長為15職等，縣市長及副官為16、15職等。14職等以下定為事務官、15職等以上定為政務官。. 3.1.2 靜態網路快照經過前節的資料處理，要建立動態網路以前，需要先完成靜態社會網路快照，也就. 政治大在從屬網路中，節點代表官員，也就是人物。節點與節點之間的聯繫透過上司和下屬的立. 是傳統的社會網路。依據前節的資料，可以將政府人事異動資料聚合成官員從屬網路。. ‧ 國. 學. 關係構成，以單向連結呈現上司之於下屬的關係。要將異動記錄聚合成從屬網路，需要幾個條件限制，主要分成三個部分為節點時間限制、職位人數限制、職位階層關係。. ‧. 1. 節點時間限制:. y. Nat. er. io. sit. 人事異動資料庫集合了超過30年的資料，但基於研究上的考量，民國77年以前並未有職等設定。所以將資料選定從民國77年起，至民國99年7月21日，並且在建. al. n. v i n Ch 立網路快照的時候，若有人物節點在同一職位擔任超過10年以上，則視為有問題 engchi U 的節點，用時間限制取得較正確的資料。 2. 職位人數限制: 欲建立一個正確從屬關係網路，需要單位中的職位限制，因此參考中華民國各單位組織法中，對於職位人數的限制。蒐集總統府、行政院、八個部會(內政部、國防部、經濟部、交通部、外交部、財政部、教育部、法務部)以及臺北市和高雄市政府的組織條例。. 28.

(42) 圖 3.3: 職位人數限制示意圖. 政治大留該時間下正確的節點，過濾掉有問題的資料。表3.5附上總統府的職位人數限立圖3.3示意參考各個不同單位，以及職位的人數限制。藉由這個機制，我們可以保. ‧ 國. 學. 制，完整資料請參閱附錄A。. 副總統. 1. 秘書長. 1. 副秘書長. 1. n. Ch. e局長 n g c h i3 秘書. 8. 主任. 2. 副局長. 3. 副主任. 2. 參事. 6. 參議. 16. 會計長. 1. 處長. 2. 29. sit er. io. al. y. 1. Nat. 總統. ‧. 表 3.5: 總統府職位人數職位名稱職位人數. i n U. v.

(43) 3. 職位階層關係: 網路的從屬關係，需要透過職位產生關連。因此參考各機關的組織圖，建立一份屬於本研究的階層關係。. 立. 政治大. ‧. ‧ 國. 學圖 3.4: 職位階層示意圖. sit. y. Nat. 圖3.4示意階層關係，總統和行政院長、市長都在一階層關係中。二階層的話，總. a. er. io. 統則可以和總統府局長產生關連，完整資料請參閱附錄B。. n. 網路快照的建置，係由民國77年起，將節點加入網路中。節點將隨著職位異動而 iv l. n U engchi 更變，像是移出網路，或更換職位。並且由年份限制和職位人數限制，過濾出正. Ch. 確的節點資料。取得正確的節點集合資料後，在按照職位階層關係，便可建立所要觀察時間的靜態網路快照。如圖3.5所示。. 30.

(44) 立. 政治大. ‧ 國. 學. 圖 3.5: 1990年5月21日2階層從屬關係網路快照. ‧. 3.1.3 動態網路模型. y. Nat. io. sit. 建置好靜態從屬網路後，接著便是加入時間變化，這將使節點和關係在時間中產生. er. 變化。節點之間的關係因著時間變化可能會消失，不同的節點也會產生新的關聯。因加. n. a. v. l C 入時間維度的考量，節點的屬性也會跟著改變。為此本研究定義了幾種節點的狀態，來 ni. hengchi U. 突顯節點在不同快照之下的情況。而從資料聚合成動態社會網路時，也分成兩部分來處理。以下先闡明節點的狀態定義，接著敘述如何處理資料轉化成動態網路節點。將人物節點分成幾種狀態，是為了清楚各節點在不同時間的情況，甚至可以進行後續的研究方法分析。主要分成五種狀態，分別為新增(new)、活躍(active)、升遷(promotion)、離職(leave)、退休(retired)。. 31.

(45) 1. 新增(new) 官員異動中屬於升遷或職位調動，也是資料庫中situation欄位為A的資料。如果節點不在網路中，表示節點從此時間進入網路，並標示狀態為新增(new)。 2. 活躍(active) 動態網路中，時間維度會不斷前進變化，根據人物的擔任時間。若在該時間下，官員擔任所觀察的職位，則將人物節點標示為活躍(active)。 3. 升遷(promotion). 立. 政治大. 和新增的節點類似，但節點本身已在人物網路中，代表人物有職位上的調動。因. ‧ 國. 學. 為政府組織的特殊性質，這邊統一稱為升遷(promotion)。. ‧. 4. 離職(leave). sit. y. Nat. 在官員異動的資料中，資料型態situation欄位為D的資料，代表官員離開該職. io. er. 位。某些節點在未來的時間軸中，亦可能繼續擔任職位，所以在這邊將人物節點. n. a 的狀態標示為離職(leave)。 5. 退休(Retired). iv l C n hengchi U. 同樣和離職的資料型態一樣，但是根據官員的人事歷任資料，官員已經擔任在政府單位中最後一個職位，或十年以上未有職位調動。這些情況讓我們將該節點視為退休，故將節點狀態標為退休(retired)。. 32.

(46) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 3.6: 動態網路-1991年內政部子網路快照. 圖3.6為一簡單動態網路範例，用1991年的內政部子網路舉例。節點為政府官員，節點間的關聯為上司和下屬關係，故此網路又稱從屬網路。紅色標示活躍節點、綠色為新增節點、藍色是升遷節點、黑色則代表離職節點、退休節點標記成灰色。節點在時間變化中，狀態的改變將其規範好之後，要進行的就是動態網路的建立。從前一小節建立好的靜態網路快照，再配合往後時間的政府官員異動紀錄，便可以形成一個動態網路。接著，我們要詳述動態網路的形成。 33.

(47) 首先，從一個靜態網路為起始，將所有的網路節點狀態設定為活躍，並從資料庫中擷取每一筆的異動資料。從人物異動資料中，判斷該筆資料屬於任職調動或免職異動。資料如果是任職調動，在判斷該人物是否存在於網路之中；如果不存在則屬於新節點，將其資料化成節點屬性，把節點狀態設為新增加到網路中。若是人物已存在網路中，則判斷職位或單位是否有更動，有更動則將節點屬性作更動，並且將節點狀態設為升遷。免職異動的狀況，則檢查人物的歷任歷史，如該職位為政府任職生涯之最後一筆，節點狀態設為退休，否則狀態為離職。在升遷情況中，若有職位超過人數限制，則代表原職. 治政位上應該有免職異動，這邊採取免職異動的做法，將人物設為離職或退休。大立. 另外，若有節點擔任相同職位或離職狀況超過十年以上，將其狀態改成退休。因著. ‧ 國. 學. 檢視時間區間的不同，動態網路可以分成許多的網路快照，當進入新的網路快照時，網. ‧. 路節點中的狀態為新增和升遷者，則將狀態通通更新為活躍。按照前述的方法，我們可. sit. y. Nat. 以建立出一個二十年的動態網路，可以按照不同的時間區間，建立出不同的網路快照。. a. er. io. 3.2 研究方法分析. n. iv 將資料聚合成動態網路後，希望了解官員在升遷過程中，如何彼此互相影響。像是 l. n U engchi 在升遷過程中，那些人參與了升遷而這樣的升遷又使得那些人獲得好處，或有沒有人因. Ch. 此失去競爭力等等。為了能夠更清楚官員們在時間變化中，除了職位以外的變化影響，我們選定了EventRank演算法。而該演算法本來主要使用在研究安隆事件，演算法最初的資料使用的是安隆公司的Email往來紀錄。因此，政府人事異動資料要使用該演算法，必須先做一些調整使得演算法符合異動資料的形式和意義。以下先介紹一些符號上的定義，接著介紹經過我們調整後的EventRank演算法並說明其代表意涵。. 34.

(48) 3.2.1 定義在探討EventRank的公式前，為了讓EventRank符合我們的資料形式，因次做了定義上的調整。ε是由人事異動組成的事件集合，其中每一筆異動都是一個事件。異動情況為A且與職位有調動視作critical event，若擔任原職位或異動情況為D則為non-critical event。ν為網路節點集合，節點資料為1990年到2010年間擔任觀察單位中職位的人物。Pi 是事件i的參與者，舉例來說，事件a是黃新璧在1990年5月25日調動. 政治大黃新璧。(扣除黃新璧，時任依序為總統、副總統、行政院長、外交部政務次長、外交立成外交部司長，則Pa 的參與者就是李登輝、李煥、連戰、金樹基、房金炎、程建人、. ‧ 國. 學. 部常務次長、外交部常務次長)。. 3.2.2 EventRank. ‧. EventRank的概念在於事件發生時，人物的交互作用、相互影響透過量化來呈. y. Nat. io. sit. 現。每個節點都會有一個初始值，文獻中的定義是由uniform distribution為假設可得. er. 到1/n，n為當時網路節點的數目，代表每個人一開始均持有相同的分數。對於政府組. n. a. iv. l C 織而言，每個官員如果都持有相同的分數，則會與我們的理解有所出入。像是行政院長 n. hengchi U. 和教育部長這樣的職位，他們持有的分數應該不一樣；行政院長的權力和影響力都相較於後者來得大，應該給予較多的分數才是。為此我們考慮了節點的分支度(degree)，使用節點分支度除以總節點分支度和作為初始值。其代表意義則轉化成該節點在整體網路下的影響力，像是行政院長的分支度比教育部長或法務部長都來得大，所以其起始分數就會比較高。按照EventRank公式，公式分成參與者和非參與者的分數變化。在原本文獻中的參與者為電子郵件的發信者和收信者，而未參與者則為未收到該封郵件的人。在政府人事異動資料當中，因為我們無法確切得知，除了升遷者以外到底有那些人參與升遷決定。為此我們將升遷的參與者定位成升遷者和其有關的全部上司，等 35.

(49) 於將有權力影響升遷的人通通納入作為考量。在網路之中，除了參與者之外，剩下的都屬於非參與者。初始值和參與者都調整之後，在時間的選擇上，我們也做了調整。因為電子郵件和官員升遷的發生條件不盡相同，電子郵件很容易產生並且發送，所以最初的EventRank是由電子郵件的寄送時間作為基準。相較於政府人事的升遷異動，因為公報的發行有其規定時間，並非隨時都有公報發行。而官員的升遷也擁有一定條件，例如職務出缺、內閣改組或受選舉活動影響，所以用年作為時間的間隔，也就是每一年會有一個靜態網路快照，並且針對這個網路快照去做EventRank的公式計算。. 政治大 ¯ (ν) R ν立 ∈ P : R (ν) + α · ¯ (d) Σ R i−1. i. i−1. i. ν∈ / Pi : Ri−1 (ν) · 1 −. (3.1). i−1. αi. 學. ‧ 國. d∈Pi. !. TNi−1. (3.2). ‧. TNi−1 是沒參與者的前一次分數總合，也就是此次要釋放出去的分數。αi 是可以調. y. sit er. io. 3.3 系統架構. Nat. ¯ i−1 (ν) = 1 − Ri−1 (ν)。整的參數，介於0到TNi−1 。R. n. a. iv. l C 本研究係綜合前兩節所描述的動態網路模型和EventRank演算法，最終形成本研 n. hengchi U. 究的系統。本節將用圖例和流程描述系統的運作，系統主要分成三大部分，分別是動態網路節點模組、EventRank演算法模組、排名模組。圖3.7為本系統的系統架構圖。圖左為系統的模組區塊，右邊則是模組的工作內容。中間部分代表資料串流，從政府人事異動資料庫的原始資料，加上蒐集來的前置資料。經過第一個模組會產生不同網路快照，在第二個模組的時候成為動態網路並計算節點分數。最後交由排名模組，將節點的排名算出。節點的排名結果代表該年度，人物節點在政府部門中的影響力。於是可以得到不同部門間二十年來的影響力排名。. 36.

(50) 政治大. 立. y. ‧. ‧ 國. 學. Nat. n. al. sit er. io. 3.3.1 系統概述. 圖 3.7: 系統架構圖. i n U. C. v. hengchi 本系統希望能建立一個從資料庫的單筆異動資料，轉化成動態社會網路，再進一步使用EventRank演算法計算節點在每個網路快照的分數。有了節點在不同時期的分數之後，再由排名模組對不同時間點的網路節點做排名，以利後續研究。按照圖3.8流程的第一階段，先將資料從資料庫的欄位資料轉成網路形式。此階段主要工作是將資料做過濾，挑選要觀察的人物和職位。選定好所需要的資料後，便能建立第一個網路快照，在由此網路快照根據人物異動資料，做節點的調整。當節點的有所變化時，亦即節點在政府職位上有變化，此時對於網路連結關係，亦會產生變化。當時間的進行距離前一次網路快照為期一年的時候，就進入第二階段的工作流程。. 37.

(51) 立. 政治大圖 3.8: 系統運作流程圖. ‧ 國. 學. 第二階段也就是進行EventRank的演算法，從兩個網路快照中可以找出更動的節. ‧. 點狀態。像是有新增的節點，升遷的節點等，此時找出所有升遷的節點和其有關聯的上. sit. y. Nat. 司節點。等於找出這一年中所有參與升遷的節點，剩下的則是未參與升遷的節點。找出. er. io. ¯ i−1 (d)跟Tn 兩種分數。接著按照公式給予所有節點分數這兩種節點之後，計算Σd∈Pi R. n. al 上的調整。計算完網路中所有節點分數後，則進入第三階段，將網路中的節點做排名。 iv 3.3.2 動態網路節點模組. Ch. n U engchi. 本小節要講解動態網路模組的運作流程，如圖3.9所示，圖上半部分代表網路快照變化過程。網路快照由初始的1990-05-21經過一年變成1991-0521的網路快照。而這個變化過程，即是圖的下半部分所呈現。. 38.

(52) 立. 政治大. er. io. sit. y. ‧. ‧ 國. 學. Nat. 圖 3.9: 動態網路模組流程圖. n. 一筆異動資料進入模組後，由模組判斷該筆異動資料屬於任免的何種情況，是上任 a v. i l C n hengchi U 的資料還是免職資料。如果免職則走上部分的流程，再判斷節點是否存在網路中，如果存在則繼續判斷部門及單位。都一樣的話最後判斷人物的任職歷史，決定最後該節點為離職或退休狀態。上任的資料相同先判斷是否存在網路中，若是不存在代表該節點為新節點，將狀態標是為新增節點。若本存在網路中的節點，判斷其職位和單位是否相同，若不一樣代表節點有升職或調任的狀況。此時將節點的狀態改成升遷，並且更動其屬性。另外檢查職位上的人數是否有超過的狀況，有的話則進行處理，看是否要將職位上其他節點作離職或退休。. 39.